МОДЕЛЮВАННЯ ТРАНСПОРТНО-ЛОГІСТИЧНИХ СХЕМ ВАНТАЖНИХ ПЕРЕВЕЗЕНЬ В УМОВАХ ГЛОБАЛЬНИХ РИЗИКІВ
DOI:
https://doi.org/10.18372/0370-2197.3(100).17899Ключові слова:
транспортні потоки, перевезення, моделювання,, модифікація мережі, глобальні ризикиАнотація
Внаслідок існування великої кількості факторів, що визначають ефективність транспортних потоків, методи побудови математичних моделей, що ґрунтуються на розгляді загальних закономірностей, виявляються малоефективними. Тому перспективне залучення експериментальних методів ідентифікації, заснованих на формалізації результатів спостережень та аналізі надходжень нової інформації про зміни ситуації, що склалася з використанням нових цифрових технологій. У статті показано, що у найближчій перспективі автомобільне сполучення разом з водним транспортом матиме ключове значення і тому завдання математичного забезпечення управлінням збереження транспортних потоків за умов глобальних ризиків буде завжди актуальною. Метою роботи є моделювання збереження транспортних потоків за умов глобальних ризиків. Запропоновано рішення задачі про збереження динаміки транспортних потоків, викликаних пандемією, військовими діями та екстремальними ситуаціями. На основі теорії графів, алгоритмів Форда-Фалкерсона та Дініца розроблено модифікований алгоритм визначення структури транспортних перевезень. Особливістю алгоритму є синхронізація пропускної спроможності транспортних потоків з моментами зняття та запровадження обмежень на транспортні перевезення. Новизною запропонованого алгоритму є можливість коригування транспортних маршрутів. Також новизною використання запропонованого модифікованого алгоритму є синхронізація технологій використання методології визначення пропускних здібностей гілок реалізації транспортних потоків з моментами зняття та введення обмежень через непередбачувані ситуації й глобальні ризики. Модифікований алгоритм визначення транспортних потоків в умовах непередбачуваних ситуацій та глобальних ризиків на основі алгоритмів Форда-Фалкерсона та Дініца забезпечує мінімізацію збитків перевізників та максимальний транспортний потік. Впровадження алгоритму забезпечує максимальний транспортний потік в екстремальних умовах та глобальних ризиків.
Посилання
Wichmann J., Wibotzki M., Sandkuhl K. Toward a smart town: Digital innovation and transformation process in a public sector environment (2021) Smart Innovation, Systems and Technologies, 189, pp. 89-99. DOI: 10.1007/978-981-15-5784-2_8.
Zang B., Pu Y., Wang Y., Li J. Forecasting hotel accommodation demand based on LSTM model incorporating internet search index (2019) Sustainability (Switzerland), 11 (17), art. No.4708. DOI:10.1108/JPMD-09-2-17-0094.
Bartysh M.Ya., Dudzyanyy I.M. Doslidzhennya operatsiy. Chastyna 2. Alhorytmy optymizatsiyi na hrafakh: Pidruchnyk. – L'viv: Vydavnychyy tsentr LNU imeni Ivana Franka, 2007. – 120 s.
Sharko M., Lopushynskyi I., Petrushenko N., Zaitseva O., Kliutsevskyi V., Yarchenko Y. (2020) Management of tourists" enterprises adaptation strategies for identifying and predicting multidimensional non-stationary data flows in the face of uncertainties. Advances in Intelligent Systems and Computing, pp. 135-151. https://doi.org/10.1007/978-3-030-54215-3.
Zwick, Uri. The smallest networks on which the Ford-Fulkerson maximum flow procedure may fail to terminate // Theoretical Computer Science : journal. 1995. 21 August (vol. 148, no. 1). P. 165-170. doi:10.1016/0304-3975(95)00022-O.
Qu, Q.-K., Chen, F.-J., Zhou, X.-J. Road traffic bottleneck analysis for expressway for safety under disaster events using blockchain machine learning (2019) Safety Science, 118, pp. 925-932. DOI: 10.1016/j.ssci.2019.06.030.
Ferreira, J., Callou, G., MacIel, P., Tutsch, D. An algorithm to optimise the energy distribution of data centre electrical infrastructures (2020) International Journal of Grid and Utility Computing, 11 (3), pp. 419-433. DOI: 10.1504/IJGUC.2020.107625.
Dolgopolov, P., Konstantinov, D., Rybalchenko, L., Muhitovs, R. Optimization of train routes based on neuro-fuzzy modeling and genetic algorithms (2019) Procedia Computer Science, 149, pp. 11-18.
Dash, P., Rahman, M.M., Zohora, F.T. An alternate simple approach to obtain the maximum flow in a network flow problem (2018) Journal of Engineering and Applied Sciences, 13 (Specialissue10), pp. 8270-8276. DOI: 10.3923/jeasci.2018.8270.8276.
Laube, U., Nebel, M.E. Maximum Likelihood Analysis of the Ford–Fulkerson Method on Special Graphs (2016) Algorithmica, 74 (4), pp. 1224-1266. DOI: 10.1007/s00453-015-9998-5.
Takahashi, T. The simplest and smallest network on which the ford-fulkerson maximum flow procedure may fail to terminate (2016) Journal of Information Processing, 24 (2), pp. 390-394. DOI: 10.2197/ipsjjip.24.390.
Dinitz, M., Nazari, Y. Massively parallel approximate distance sketches (2020) Leibniz International Proceedings in Informatics, LIPIcs, 153, art. no. 35. DOI: 10.4230/LIPIcs.OPODIS.2019.35.
Dinitz, M., Nazari, Y. Brief announcement: Massively parallel approximate distance sketches (2019) Leibniz International Proceedings in Informatics, LIPIcs, 146, art. no. 42. Cited 1 time. DOI: 10.4230/LIPIcs.DISC.2019.42.
